亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于GRI的多車協(xié)同定位研究?

        2018-05-22 09:44:10閆夢如葛如海秦洪懋唐翊銘高行健
        汽車工程 2018年4期
        關(guān)鍵詞:本車車車協(xié)方差

        孫 寧,閆夢如,倪 捷,葛如海,秦洪懋,唐翊銘,高行健

        (1.江蘇大學(xué)汽車與交通工程學(xué)院,鎮(zhèn)江 212013; 2.北京航空航天大學(xué),車路協(xié)同與安全控制重點實驗室,北京 100191)

        前言

        隨著汽車自動駕駛技術(shù)的發(fā)展,車輛對環(huán)境感知的要求也越來越高。獲取實時、準(zhǔn)確的自身和周圍車輛位置信息(如經(jīng)度、緯度、高度等)是環(huán)境感知內(nèi)容的重要組成部分,也相應(yīng)面臨著更加嚴格的精度要求。如自動緊急制動系統(tǒng),對前方車輛的位置誤差要求就在1m以內(nèi)。因此,如何提高車輛位置信息的定位精度[1],是目前國內(nèi)外汽車領(lǐng)域?qū)W者面臨的一項新課題。高精度車輛定位方法的研究,對發(fā)展汽車自動駕駛技術(shù)具有十分重要的意義。

        鑒于經(jīng)濟成本因素,目前單一應(yīng)用傳統(tǒng)GPS或毫米波雷達,都無法滿足上述車輛位置定位的高精度要求。而通信技術(shù)的發(fā)展則為高精度車輛定位提供了一種新的途徑。在車車通信、車路通信的支持下,車輛間可相互交換豐富的信息,同時,車輛自身獲取周圍環(huán)境信息的能力大大提升,從而可以計算獲得更加準(zhǔn)確的位置信息[2-3]。本文中在傳統(tǒng)GPS和毫米波雷達獲取初步車輛定位信息的基礎(chǔ)上,參照文獻[4]中的思路,提出一種基于GPS/雷達集成(GPS/radar integration,GRI)的多車協(xié)同定位方法,為獲取高精度的車輛位置信息提供一種新思路。

        1 多車協(xié)同定位的總體框架設(shè)計

        本文中提出的多車協(xié)同定位系統(tǒng)由GPS、毫米波雷達和車車通信3大模塊組成。其中GPS數(shù)據(jù)已經(jīng)通過計算轉(zhuǎn)換為局部區(qū)域的平面坐標(biāo)。車車通信模塊為LTE-V/DSRC。

        系統(tǒng)中在基于GRI的多車協(xié)同定位過程中,對定位的估計分為兩階段。第一階段,進行基于本車位置信息的粗估計,即通過GPS獲取含噪聲的車輛的絕對位置信息,經(jīng)卡爾曼濾波器處理,再通過雷達得到周圍車輛位置的粗估計;第二階段,將粗估計的結(jié)果通過車車通信進行分享,進行綜合多車位置信息的融合估計,得出更加準(zhǔn)確的本車和周圍車輛的絕對位置。協(xié)同定位的總體工作流程如圖1所示。

        2 基于GPS與雷達的車輛位置信息估計

        GPS模塊獲得的是帶有噪聲的車輛絕對位置信息,通過設(shè)計濾波器對該噪聲信號進行處理,可實現(xiàn)基于本車GPS觀測位置信息粗估計。本文中采用擴展卡爾曼濾波[5-6]對GPS信號進行消噪處理。

        2.1 基于GPS本車觀測定位信息估計

        對于車輛而言,當(dāng)側(cè)偏角為零時,將t時刻的線速度用vt表示,角速度用ωt表示,則控制向量設(shè)正的ωt產(chǎn)生一個逆時針旋轉(zhuǎn),正的vt產(chǎn)生一個向前移動。速度運動模型的狀態(tài)向量為

        式中:xt′,yt為直角坐標(biāo)系下的位置坐標(biāo);θt為車輛航向角。

        在無噪聲影響的理想情況下,設(shè)初始狀態(tài)向量為(x,y,θ)T,控制向量為(v,ω)T,在 Δt時間后的狀態(tài)向量為(x′,y′,θ′)T,則有

        式中為該 Δt時間內(nèi)運動的圓心。

        經(jīng)簡化,在 Δt時間后的狀態(tài)向量(x′,y′,θ′)T可以表示為

        實際上,獲取的車輛運動信息含有噪聲,假設(shè)該噪聲來自控制量。首先,設(shè)真實運動的線速度和角速度為和則有

        式中:εv和εω分別為真實控制量與理想控制量的誤差。

        僅在εv和εω的作用下,車輛的真實運動和理想運動之間的誤差有兩個自由度,只能描述圓周運動,這與車輛真實運動的情況并不相符。因此須引入一個誤差參數(shù),以使理想運動與運動誤差疊加后的真實狀態(tài)空間與建立的模型中所有可能的狀態(tài)組合的狀態(tài)空間等價。為此,引入虛擬控制量γ=0,且有

        此時,新的控制向量為(v,ω,γ)T,其中γ≡0,εγ為虛擬控制量誤差,這樣的引入只是為使得對運動誤差的建模變得完整,使:

        式中εθ表示車輛航向角的噪聲。

        此外,假設(shè)控制向量中各誤差均服從正態(tài)分布:

        因此,車輛的真實運動模型表示為

        因為車輛運動模型為非線性模型,故應(yīng)用擴展卡爾曼濾波對車輛狀態(tài)進行估計。

        基于擴展卡爾曼濾波的位置估計具體步驟如下[7]。

        將t時刻真實狀態(tài)向量記為V t=(xt,yt,θt)T,濾波器對狀態(tài)的預(yù)測(無觀測信息)記為獲取觀測信息后修正的狀態(tài)估計記為

        控制向量記為其中γ≡0,觀測向量記為預(yù)測狀態(tài)協(xié)方差矩陣記為,獲得觀測信息后估計協(xié)方差矩陣記為Σt,記狀態(tài)預(yù)測誤差為,記狀態(tài)估計誤差為有

        觀測向量由GPS采集的經(jīng)緯度與航向角獲得,控制向量中的速度由GPS采集,橫擺角速度根據(jù)車輛轉(zhuǎn)向盤轉(zhuǎn)角和速度轉(zhuǎn)換得到。

        通過狀態(tài)轉(zhuǎn)移方程預(yù)測t時刻狀態(tài):

        對狀態(tài)轉(zhuǎn)移方程求μt-1的1階偏導(dǎo)的雅可比矩陣:

        狀態(tài)轉(zhuǎn)移方程求u t的1階偏導(dǎo)的雅可比矩陣:

        t時刻預(yù)測狀態(tài)協(xié)方差矩陣更新為

        其中Q為控制噪聲協(xié)方差矩陣:

        記t時刻控制誤差為有

        狀態(tài)觀測方程:

        對狀態(tài)觀測方程求的雅可比矩陣:

        計算卡爾曼增益:

        其中R為觀測噪聲協(xié)方差矩陣:

        記t時刻GPS觀測誤差為

        根據(jù)觀測信息修正對狀態(tài)的估計:

        更新t時刻估計狀態(tài)協(xié)方差矩陣為

        式中I為與μt同維數(shù)的單位矩陣。μt和Σt即為t時刻車輛狀態(tài)估計的輸出結(jié)果。

        2.2 基于雷達的目標(biāo)絕對位置計算

        采用毫米波雷達對周圍車輛進行觀測。毫米波雷達的特點為對目標(biāo)的縱向(y向)距離測量精度較高,而橫向(x向)距離測量精度較低[8-9]。記t時刻雷達對第j個目標(biāo)相對位置的測量誤差假設(shè)

        將GPS本車粗估計絕對位置與雷達探測目標(biāo)相對位置進行疊加,得到雷達第j個目標(biāo)的絕對位置:

        由于自身粗估計誤差與雷達探測相對位置誤差均服從多維正態(tài)分布,由正態(tài)分布性質(zhì)可得的協(xié)方差矩陣為

        上述和即為基于雷達觀測的目標(biāo)絕對位置信息。

        3 多車定位信息融合

        3.1 基于車車通信的本車定位估計

        如上所述,對GPS定位信息進行濾波后的本車位置估計結(jié)果,通過車車通信發(fā)送給周圍車輛。同時,車輛通過毫米波雷達可探知周圍車輛相對于本車的位置。由于周圍車輛狀態(tài)中的航向角θ項在相對測距中不起作用,故記t時刻周圍車輛i通信發(fā)送的本車位置估計為狀態(tài)估計協(xié)方差矩陣為

        記t時刻本車雷達探測到車輛i的相對位置為換算到直角坐標(biāo)系為其中為i車與本車的距離為i車與本車連線和水平x軸的夾角如圖 2所示。

        圖2 雷達探測參數(shù)示意

        則根據(jù)車輛i與本車相對定位得到的本車位置估計為

        假設(shè)t時刻雷達對相對位置的測量誤差向量為在x向和y向上均服從正態(tài)分布且互不相關(guān),即為雷達相對測距的協(xié)方差矩陣,則根據(jù)車輛i與本車相對定位得到的本車位置估計的協(xié)方差矩陣為

        ?和即為本車與車輛i相對定位得到的本車位置估計的輸出結(jié)果。

        3.2 本車定位信息最優(yōu)融合估計

        如果本車在時刻t有附近的Nt輛車的絕對位置信息及其與本車的相對位置信息,則可通過上節(jié)的方法得到Nt個通過相對定位得到的本車位置估計,加上本車自車通過擴展卡爾曼濾波得到的位置估計,共有Nt+1個對本車的位置估計結(jié)果。文中基于數(shù)據(jù)融合理論[1,10]對這Nt+1個估計結(jié)果進行綜合。

        記t時刻車輛i的絕對位置觀測誤差為控制誤差為本車對車輛i的雷達觀測誤差為本文假設(shè):

        則有

        式中:δpq為克羅內(nèi)克函數(shù)另外,假設(shè)不同車輛的初始狀態(tài)估計誤差不相關(guān):

        記本車與車輛i相對定位得到的本車位置估計誤差為基于上述條件,不難證明:

        基于上述推論,基于局部估計誤差不相關(guān)假設(shè)下的最優(yōu)融合估計對所有本車位置估計進行融合:

        式中:Nt為t時刻本車附近獲知絕對位置與雷達相對位置的車輛數(shù)。

        融合后的估計協(xié)方差矩陣為

        μ′t和Σ′t即為多車信息融合得到的本車位置估計。

        4 仿真試驗與測試

        4.1 仿真參數(shù)設(shè)置

        為驗證基于GRI的多車協(xié)同定位算法的有效性,通過MATLAB中建立了多車運動場景,并進行對上述各部分算法的仿真。仿真時間為30s,時間步長0.1s。

        本文中多車運動仿真場景分為直線運動場景與換道運動場景兩種。

        (1)直線運動場景

        該場景中有2個車道,車道寬3.75m,每車道5輛車,均沿各自車道的中心線直線行駛。左側(cè)車道為快車道,5輛車初始車速均為 50km/h,車間距80m。右側(cè)車道為慢車道,5輛車初始車速均為30km/h,車距50m,如圖3所示。仿真開始后t在0~10s時間段內(nèi),兩車道的頭車均按照如圖4所示的加速度曲線運動。t>10s后,兩頭車保持勻速直線運動。其他8輛車根據(jù)線性跟馳模型對前車的速度波動產(chǎn)生響應(yīng):

        式中:xr(t)和xf(t)為t時刻后車和前車沿車道方向到原點的距離,參數(shù)取λ=0.3,T=1s。

        圖3 直線運動場景示意圖

        (2)換道運動場景

        該場景中有2個車道,車道寬3.75m,每車道各有5輛車,初始時均沿各自車道的中心線直線行駛。兩車道上車輛的初始車速均為30km/h,4號與5號車之間、6號與7號車之間前后車間距100m,其他車輛前后車間距50m,如圖5所示。

        開始仿真后t在3~8s時間段內(nèi),2號車和9號

        圖4 頭車加速度曲線(部分)

        圖5 換道運動場景示意圖

        車進行換道操作,其他車輛保持勻速直線運動。換道操作的轉(zhuǎn)向角模型如圖6所示。又根據(jù)本文中車輛運動仿真模型,得到的換道位置曲線如圖7所示。

        圖6 車輛換道轉(zhuǎn)向角模型

        圖7 換道運動橫向位置曲線

        本文中的仿真試驗對雷達、GPS與車車通信等各模塊的功能參數(shù)設(shè)置如下。

        雷達:可探測到以本車位置為圓心,半徑100m范圍內(nèi)的周圍車輛與本車的相對位置,要求周圍車輛與本車之間無遮擋。一般的毫米波雷達對縱向位置探測精度比橫向位置探測精度高,誤差均滿足正態(tài)分布,標(biāo)準(zhǔn)差σrx=0.2m,σry=0.1m。 每隔0.1s更新一次。

        GPS:可提供本車的絕對位置和速度信息,橫向、縱向和航向角誤差均滿足正態(tài)分布,標(biāo)準(zhǔn)差σzx=σzy=3.33m,σzθ=π/180,σzv=1m/s。 每隔0.1s更新一次。

        車車通信:可接收到以本車位置為圓心,半徑100m范圍內(nèi)的周圍車輛發(fā)送的自身位置信息。為測試在通信不穩(wěn)定的情況下基于GRI的多車協(xié)同定位算法的表現(xiàn),設(shè)在t=20~25s時間段內(nèi)車車通信失效,所有車輛無法獲得周圍車輛的絕對位置信息。在其他時間內(nèi),每隔0.1s更新一次車輛發(fā)送和接收的通信信息。

        另外,假設(shè)橫擺角速度測量誤差滿足正態(tài)分布,標(biāo)準(zhǔn)差σzω=π/180s-1。每隔0.1s更新一次。

        4.2 仿真結(jié)果分析

        在兩個場景下,對基于GRI的多車協(xié)同定位算法進行仿真,結(jié)果如圖8、圖9和表1所示。其中圖8和圖9分別為直行場景和換道場景下協(xié)同定位算法x向和y向的均方根誤差隨時間的變化曲線,而表1則為按通信正常和通信失效兩個階段分別計算的兩種場景平均的x向、y向和總的均方根誤差。皆為除頭車(5#車和10#車)外其余8輛車的平均結(jié)果。

        圖8 直線場景協(xié)同定位算法的均方根誤差的時間歷程

        由表1可見,協(xié)同定位的誤差水平總體保持在0.6m以下。這說明本文中的方法科學(xué)有效,能高精度地對車輛進行定位。從表中還可看出,在通信失效情況下定位誤差較大,這體現(xiàn)了車車通信在基于GRI的多車協(xié)同定位中的重要性。

        圖9 換道場景協(xié)同定位算法的均方根誤差的時間歷程

        表1 本車定位誤差統(tǒng)計

        5 結(jié)論

        本文中提出了基于GRI的多車協(xié)同定位的方法,并通過MATLAB軟件進行了模擬仿真,通過大量重復(fù)試驗取均方根值分析各種定位算法的誤差,發(fā)現(xiàn)最優(yōu)融合的協(xié)同定位算法在通信理想條件下誤差極小,即便短時間通信失效,平均誤差水平也控制在0.6m以內(nèi),這表明該方法合理有效,能高精度地對周圍行駛車輛進行定位。但是由于本文中速度運動模型有一定的理想假設(shè),實際的車輛轉(zhuǎn)向過程中側(cè)偏角廣泛存在,與車輛真實運動的描述有一定偏差,對該因素的忽略可能導(dǎo)致本車位置的濾波跟蹤效果減弱。

        參考文獻

        [1]QURESHIK N,ABDULLAH A H.Localization-based system challenges in vehicular Ad Hoc networks:Survey[J].Smart Computing Review,2014,4(6):515-528.

        [2]ALAM N,DEMPSTER A.Cooperative positioning for vehicular networks:Facts and future[J].IEEE Transactions on Intelligent Transportation Systems,2013,14(4).

        [3]EFATMANESHNIK M,ALAM N,KEALY A,et al.A fast multidimensional scaling filter for vehicular cooperative positioning[J].Journal of Navigation,2012,65(2):223-243.

        [4]SHERER T P,MARTIN SM,et al.Radar probabilistic data association filter with GPSaiding for target selection and relative position determination[C].Proceedings of the ION 2017 Pacific PNT Meeting, Honolulu, Hawaii,2017:419-428.

        [5]LIU K,LIM H B.Positioning accuracy improvement via distributed location estimate in cooperative vehicular networks[C].Conference Record-IEEE Conference on Intelligent Transportation Systems,2012:1549-1554.

        [6]GOLESTAN K, SATTAR F, KARRAY F, et al.Localization in vehicular ad hoc networks using data fusion and V2V communication[J].Computer Communications,2015,71:61-72.

        [7]劉江,蔡伯根,王云鵬.基于GNSS/DSRC融合的協(xié)同車輛定位方法[J].交通運輸工程學(xué)報,2014(4):116-126.

        [8]AKCAN H,EVRENDILEK C.GPS-free directional localization via dual wireless radios[J].Computer Communications,2012,35(9):1151-1163.

        [9]YAN T,ZHANG W,WANG G.A grid-based on-road localization system in VANET with linear error propagation[J].IEEE Transactions on Wireless Communications,2014,13(2):861-875.

        [10]BHAWIYUGA A,NGUYEN H H,JEONG H Y.An accurate vehicle positioning algorithm based on vehicle-to-vehicle(V2V)communications[C].IEEE International Conference on Vehicular Electronics and Safety,IEEE,2012:273-278.

        猜你喜歡
        本車車車協(xié)方差
        基于車輛對道路不滿意度的微觀換道決策
        復(fù)雜工況下二階碰撞時間自動緊急制動模型
        融合改善型可行性檢驗?zāi)P偷膿Q道跟蹤方法
        車車通信CBTC系統(tǒng)駕駛模式轉(zhuǎn)換研究
        基于車車通信的車輛防碰撞算法
        那些讓你眩暈的車車
        車車大行動
        兒童繪本(2016年6期)2016-05-14 14:37:16
        不確定系統(tǒng)改進的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預(yù)報器
        一種基于廣義協(xié)方差矩陣的欠定盲辨識方法
        出租車正能量
        亚洲国产精品尤物yw在线观看| 亚洲中文av中文字幕艳妇| 精品偷自拍另类在线观看| 日本理伦片午夜理伦片| 日韩高清无码中文字幕综合一二三区| 人妻丰满熟妇av一区二区| 亚洲中文字幕人成乱码在线| 精品亚洲成a人无码成a在线观看| 天天操夜夜操| 久久久久久人妻一区二区无码Av| 天堂免费av在线播放| 色偷偷av一区二区三区| 狠狠人妻久久久久久综合| 91自国产精品中文字幕| 在线观看亚洲av每日更新影片| 色综合色狠狠天天综合色| 国产欧美乱夫不卡无乱码| 日本骚色老妇视频网站| 中文字幕乱码在线人妻| 性裸交a片一区二区三区| 午夜免费福利在线观看| 午夜精品一区二区三区视频免费看| 久久精品国产亚洲av天| 国产suv精品一区二区883| 中文字幕亚洲好看有码| 国产成人高清视频在线观看免费| 色欲色香天天天综合vvv| 国产乱人伦av在线a| 男人天堂AV在线麻豆| 国产视频激情在线观看| 日本高清视频xxxxx| 国产欧美一区二区成人影院| 精品蜜臀国产av一区二区| 精人妻无码一区二区三区| 亚洲爆乳少妇无码激情| 久久国产精品男人的天堂av| 国产熟人精品一区二区| 男人j进女人j啪啪无遮挡| 欧美色资源| 中文字幕一区二三区麻豆| 少妇高潮一区二区三区99|